基于改進(jìn)的灰狼算法在云計算資源調(diào)度中的研究

董倩，趙鵬，劉延萍

(廊坊燕京職業(yè)技術(shù)學(xué)院，河北 廊坊 065200)

0 引言

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，產(chǎn)生了一種新的計算模式---云計算。云計算是新興的技術(shù)，它借助互聯(lián)網(wǎng)實現(xiàn)資源的共享，并進(jìn)行信息處理。云計算融合了多種計算機網(wǎng)絡(luò)技術(shù)，對海量數(shù)據(jù)進(jìn)行處理。資源調(diào)度在云計算中是一個NP問題[1]，因此，提高資源調(diào)度效率是云計算的關(guān)鍵。近年來，許多學(xué)者把智能算法融入到云資源調(diào)度中。文獻(xiàn)[2 ]采用粒子群算法對云計算資源進(jìn)行優(yōu)化，提高了資源利用效率；文獻(xiàn)[ 3]的布谷鳥算法能夠快速找到云計算資源調(diào)度的最佳方案。本文在總結(jié)智能算法應(yīng)用于云資源調(diào)度基礎(chǔ)之上，提出了改進(jìn)灰狼算法在云計算資源調(diào)度中的應(yīng)用。

1 灰狼算法的關(guān)鍵操作

灰狼算法是通過模擬大自然狼群搜捕獵物的一種智能優(yōu)化算法[4]。狼群在捕獵過程中有著森嚴(yán)的等級制度，它們的社會等級分為四層，分別為α，β，δ，ω。α為狼群的首領(lǐng)，β狼和δ狼負(fù)責(zé)協(xié)助α狼進(jìn)行捕獵，剩余ω狼處于最下層。

1.1 包圍

狼群狩獵時首先要包圍獵物，在這個過程中，給出以下數(shù)學(xué)模型。

其中，Xp(t)表示第t代目標(biāo)位置向量；X(t)為第t代一只灰狼的位置向量；D為灰狼與獵物的距離；A和C為系數(shù)；α隨著迭代次數(shù)的增加從2線性遞減到0；r1和r2為[0,1]之間的隨機數(shù)。

1.2 追捕

狼群根據(jù)α，β和δ個體的位置來確定獵物的方位，有。

2 改進(jìn)的灰狼算法

灰狼算法具有控制參數(shù)少、易于實現(xiàn)、搜索能力強等優(yōu)點。但是參數(shù)的線性遞減，會導(dǎo)致全局搜索能力不足，同時也容易陷入收斂精度低等缺點。針對這些缺點，本文從兩個方面對灰狼算法進(jìn)行改進(jìn)。

3 基于改進(jìn)灰狼算法的云計算資源調(diào)度

3.1 基于改進(jìn)灰狼算法的云計算資源調(diào)度策略的具體流程

①給出云計算資源調(diào)度的適應(yīng)度函數(shù)，初始化參數(shù)，狼群規(guī)模為N，算法的最大迭代次數(shù)。②對狼群進(jìn)行初始化，計算灰狼個體的適應(yīng)度值，根據(jù)個體適應(yīng)度值分別確定α，β，δ的位置。③依據(jù)公式(7)對灰狼個體進(jìn)行位置更新，并更新相關(guān)參數(shù)。④采用貪心算法確定最優(yōu)適應(yīng)度值，及頭狼α的位置。⑤若達(dá)到終止條件，則終止運算，輸出最佳個體；否則迭代次數(shù)增加1，繼續(xù)循環(huán)步驟c,d；⑥改進(jìn)灰狼算法達(dá)到最大迭代次數(shù)，算法結(jié)束，輸出云計算資源調(diào)度的最優(yōu)解。否則，跳轉(zhuǎn)至b。

3.2 實驗仿真結(jié)果及分析

仿真實驗采用CloudSim 平臺，選擇遺傳算法GA[6]、粒子群算法PSO[7]算法進(jìn)行對照實驗，最后得到不同算法的云計算資源調(diào)度任務(wù)完成時間，如圖1所示。從實驗結(jié)果來看，隨著任務(wù)數(shù)量的增多，本文算法所用時間縮短，效率得到了提高。

圖1 不同算法的資源完成效率對比

4 結(jié)語

本文給出的改進(jìn)灰狼算法應(yīng)用于云計算資源調(diào)度，實驗?zāi)M結(jié)果表明，該算法能使完成任務(wù)時間縮短，成本變小，有效提高了資源調(diào)度效率。下一步工作是結(jié)合其它智能算法，進(jìn)一步提高資源利用效率。